数字技术与应用
數字技術與應用
수자기술여응용
DIGITAL TECHNOLOGY AND APPLICATION
2011年
4期
42-43
,共2页
杨莉国%欧付娜%赵静%武善清
楊莉國%歐付娜%趙靜%武善清
양리국%구부나%조정%무선청
PCA%特征选择%疵点检测%支持向量机%分类
PCA%特徵選擇%疵點檢測%支持嚮量機%分類
PCA%특정선택%자점검측%지지향량궤%분류
为提高疵点分类的正确率,提出PCA算法对织物疵点图像进行特征选择.首先提取正常和带瑕疵织物图像的灰度共生矩阵、灰度梯度共生矩阵、小波域统计特征共47个特征值,然后采用PCA算法对其进行特征选择,最后利用支持向量机对重新选择后的的特征向量进行分类.实验结果表明利用PCA算法选择的特征缩短了支持向量机的训练建模时间,对常见织物疵点的正确分类率由原来的81.65%提高到93.12%.
為提高疵點分類的正確率,提齣PCA算法對織物疵點圖像進行特徵選擇.首先提取正常和帶瑕疵織物圖像的灰度共生矩陣、灰度梯度共生矩陣、小波域統計特徵共47箇特徵值,然後採用PCA算法對其進行特徵選擇,最後利用支持嚮量機對重新選擇後的的特徵嚮量進行分類.實驗結果錶明利用PCA算法選擇的特徵縮短瞭支持嚮量機的訓練建模時間,對常見織物疵點的正確分類率由原來的81.65%提高到93.12%.
위제고자점분류적정학솔,제출PCA산법대직물자점도상진행특정선택.수선제취정상화대하자직물도상적회도공생구진、회도제도공생구진、소파역통계특정공47개특정치,연후채용PCA산법대기진행특정선택,최후이용지지향량궤대중신선택후적적특정향량진행분류.실험결과표명이용PCA산법선택적특정축단료지지향량궤적훈련건모시간,대상견직물자점적정학분류솔유원래적81.65%제고도93.12%.
